Currículo
Reconhecimento de Padrões 03676
Contextos
Groupo: Ciência de Dados - 2023 > 2º Ciclo > Parte Escolar > Percursos > Titulares de 1.º Ciclo noutras Áreas
ECTS
6.0 (para cálculo da média)
Objectivos
OA1: Caracterizar os métodos analíticos não supervisionados OA2: Utilizar R no contexto dos métodos não supervisionados OA3: Avaliar, validar e interpretar os resultados
Programa
CP1: Introdução aos métodos de aprendizagem não supervisionada CP2: Análise em componentes principais (ACP) - Principais conceitos e etapas - Aplicações com R CP3: Técnicas de clustering heurístico: - Métodos hierárquicos - Métodos partitivos - Métodos de clustering na deteção de outliers - Aplicações com R CP4: Técnicas de clustering probabilístico: - O algoritmo EM - Modelos de mistura - Aplicações com R CP5. Regras de associação - Frequência de items e regras de associação - Algoritmo Apriori - Aplicação com R
Método de Avaliação
Os estudantes podem optar por Avaliação ao longo do semestre ou Exame Final. AVALIAÇÃO AO LONGO DO SEMESTRE: - trabalho de grupo com nota mínima de 8 valores (50%) - teste individual com nota mínima 8 valores (50%) A aprovação requer uma nota mínima de 10. EXAME: O Exame Final corresponde a um exame escrito. Os alunos devem obter uma nota mínima de 10 para passar.
Carga Horária
Carga Horária de Contacto -
Trabalho Autónomo - 125.0
Carga Total -
Bibliografia
Principal
- Bouveyron, C., G. Celeux, T. B. Murphy, A. E. Raftery (2019), Model-Based Clustering and Classification for Data Science: With Applications in R, 1st Edition, Cambridge University Press. James, G., Witten, D., Hastie, T., Tibshirani, R. (2013), An introduction to statistical learning: with applications in R, New York: Springer. Hastie, T., Tibshirani, R., Friedman, J. (2009), The Elements of Statistical Learning: Data Mining, Inference, and Prediction. 2nd ed. New York: Springer. Hair, J. F., Black, W. C., Babin, B. J., Anderson, R. E. (2014), Multivariate Data Analysis, 7th Edition, Essex, UK: Pearson Education.:
Secundária
- Nwanganga, F., Chapple, M. (2020), Practical Machine Learning in R, 1st Edition, Wiley. Wedel, M., Kamakura, W. A. (2000), Market Segmentation. Conceptual and Methodological Foundations (2nd edition), International Series in Quantitative Marketing. Boston: Kluwer Academic Publishers. McLachlan, G. J., Peel, D.(2000), Finite Mixture Models. New York: John Wiley & Sons. Lattin, J., D. Carroll e P. Green (2003), Analyzing Multivariate Data, Pacific Grove, CA: Thomson Learning. Jolliffe, I. (1986), Principal Component Analysis. New York: Springer-Verlag. Hennig, C., Meila, M., Murtagh, F., Rocci, R. (eds.) (2016), Handbook of Cluster Analysis, Handbooks of Modern Statistical Methods. Boca Raton: Chapman & Hall/CRC. Aggarwal, C. C., Reddy, C. K. (eds.) (2014), Data Clustering: Algorithms and Applications. Boca Raton: CRC Press.: